Exploring a Co-Designed Approach for Healthcare Quality Improvement—Learning Through Developmental Evaluation
Notice bibliographique
Résumé
BACKGROUND: Healthcare setting teams were challenged to understand how and what to measure regarding healthcare quality improvement (HQI), who should be involved, and what approach to apply. We aimed to determine if a generic co-design approach involving patients/families, multi-disciplinary care providers, and other staff was feasible to apply for HQI across diverse care settings. Developmental evaluation embedded in the co-design approach would determine its effectiveness, challenges, and other experiences across care settings and teams. METHODS: Twenty-two acute and community care settings agreed to participate in applying a phased co-design approach to their HQI initiatives, including developmental evaluation. Each care setting team received co-design orientation and support. Semi-structured interviews and focus groups were conducted with patient/family advisors (PFAs) and care setting staff/care providers to gather their experiences with the co-design approach applied to their phased HQI work. Transcripts were thematically analyzed and triangulated with observation notes of care setting team discussions. Experiences were gathered from 17 PFAs and 68 staff/care providers across the 22 participating healthcare settings. RESULTS: Themes for the orientation and each phase emphasized the importance of participants' understanding, engagement, and ongoing open communication throughout the HQI co-design process. The orientation was viewed as key to facilitating good outcomes. Participants valued working together, gathering real-time experiences to "make a difference", and having PFA voices involved in co-designing the HQI initiatives. Challenges were identified, including time commitment. CONCLUSIONS: Based on the overall developmental evaluation findings, there was consensus that a generic co-design of HQI initiatives was effective, feasible, and sustainable across care settings.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,128 | 0,110 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,007 | 0,013 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,006 | 0,019 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».